Participation de Berger-Levrault (BL.Research) à DEFT 2021 : de l’apprentissage des seuils de validation à la classification multi-labels de documents - Conférences TALN RECITAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Participation de Berger-Levrault (BL.Research) à DEFT 2021 : de l’apprentissage des seuils de validation à la classification multi-labels de documents

Mokhtar Boumedyen Billami
Lina Nicolaieff
  • Fonction : Auteur
  • PersonId : 1102675
Camille Gosset
  • Fonction : Auteur
  • PersonId : 1102676
Christophe Bortolaso

Résumé

Cet article présente notre participation à l’édition 2021 du DÉfi Fouille de Textes (DEFT) et plus précisément à la première tâche liée à l'identification du profil clinique du patient. Cette tâche consiste à sélectionner, pour un document décrivant l'état d'un patient, les différents types de maladies rencontrées correspondant aux entrées génériques des chapitres du MeSH (Medical Subject Headings). Dans notre travail, nous nous sommes intéressés aux questions suivantes : (1) Comment améliorer les représentations vectorielles de documents, voire de classes ? (2) Comment apprendre des seuils de validation de classes ? Et (3) Une approche combinant apprentissage supervisé et similarité sémantique peut-elle apporter une meilleure performance à un système de classification multi-labels ?
Fichier principal
Vignette du fichier
69.pdf (746.61 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-03265918 , version 1 (23-06-2021)

Identifiants

  • HAL Id : hal-03265918 , version 1

Citer

Mokhtar Boumedyen Billami, Lina Nicolaieff, Camille Gosset, Christophe Bortolaso. Participation de Berger-Levrault (BL.Research) à DEFT 2021 : de l’apprentissage des seuils de validation à la classification multi-labels de documents. Traitement Automatique des Langues Naturelles, 2021, Lille, France. pp.82-94. ⟨hal-03265918⟩
120 Consultations
43 Téléchargements

Partager

Gmail Facebook X LinkedIn More